本文內容源于阿斯利康IT負責人仲欣在“CIAPH第五屆生物藥企數字創新峰會”上的分享
當前醫藥行業正經歷著深刻的數字化轉型浪潮，并且醫藥行業的數字化轉型已跨越初期試點，進入縱深推進的“深水區”，其核心特征是從單點工具的應用，轉向以數據為驅動、覆蓋全產業鏈的價值重構與生態協同。從最初的信息化到如今AI驅動的全面轉型，這一歷程見證了醫藥行業與數字技術深度融合的演進軌跡。
仲欣 阿斯利康 IT負責人
不得不面對的是，醫藥行業這場深刻的變革也讓廣大藥企面臨三大嚴峻挑戰：數據孤島與標準化問題、日益嚴格的全球數據合規與安全要求，以及傳統組織架構與數字化人才匱乏，這共同構成了轉型的主要阻力。因此未來醫藥行業的競爭將不再是單一產品的競爭，而是基于數據洞察、生態協同與敏捷運營的數字化綜合能力的較量。對此，在“CIAPH第五屆生物藥企數字創新峰會”上，阿斯利康 IT負責人仲欣先生結合在行業的多年自身經驗，對于醫藥企業數字化及AI應用做了深入洞察。
Part 01
構藥企數字化的痛點與解法
回望歷史，仲欣將行業數字化劃分為三個關鍵階段：第一階段是2010-2012年，這也是數字化營銷的起點，Veeva系統的引入標志著醫藥行業商業化的數字化轉型開端。通過iPad實現Close Loop Marketing（CLM），徹底改變了醫藥代表傳統的營銷方式，從攜帶PPT材料轉向數字化展示。第二階段是2014-2015年，多渠道營銷興起，行業開始探索All-Channel多渠道營銷模式。丁香園、杏樹林等專業平臺與新興的微信渠道，共同構建了多元化的醫生觸達網絡，實現了從單一代表拜訪到多渠道影響的轉變。第三階段是2019-2020年開始，疫情催生了直播革命，騰訊會議等工具的普及，推動了醫藥直播的快速發展，營銷渠道進一步向自營直播轉型，形成了線上線下融合的新生態。
在技術的快速發展下，隨著ChatGPT、DeepSeek等AI工具的問世與快速發展，再度燃起了廣大IT同仁的希望，不過就目前來看，對于擁有龐大銷售團隊的藥企來說，仍然可能面臨著如下痛點：
代表學術推廣能力提升：從客情關系向學術傳遞轉型；
拜訪真實性保障：擺脫檢查、KPI的需求，建立可追蹤的拜訪體系；
醫生互動體驗優化：通過數字化工具增強互動效果；
數據洞察獲取效率：賦能一線管理者決策能力；
內容生產與合規平衡：在合規前提下提升內容產出效率。
仲欣認為通過“AI+平臺+基礎架構”的方式或將有效突破這些難點，企業首先要建立一個統一的數字化平臺，用來沉淀數據，實現數據閉環和業務協同。向上可以通過AI，基于對話式AI體驗，打造相應的Agent。如何融合AI與平臺，那么就需要一個強力的架構，構建符合全球治理體系的可復用AI能力底座。
如果通過平臺實現了全面打通，在此平臺上便可以進行多部門的協同。對于一些授權后，并且合規的操作可以做定制化協同安排。帶來的效果就是能夠將業務做的更深、更廣。在做深層面，通過平臺獲取代表和醫生的信息，建立客戶標簽體系，能夠實現精準內容匹配。另外通過平臺來保障代表的標準化執行，能夠進一步確保數據質量。在做廣層面，會前通過HCP來確定會議的主題內容和講者，從“我們想說”到“受眾想知道”，會中通過直播拓寬HCP參與度，會后進行二次傳播。最后還可以通過數字內容創新優化客戶體驗，模擬診療數字病例，模塊化數字內容定向推送至目標HCP，對于下沉市場，則可以通過遠程代表覆蓋廣域市場的HCP。
通過NCEP平臺，能夠帶來業務效率的提升，保證拜訪的真實性，對于內容能夠一站式檢索和分享。另外數據還能夠實現閉環營銷，客戶KM反饋及時可視，與互動行為關聯，如果出現分歧，可及時確認。端到端的互動數據被采集并可視化，能夠賦能銷售管理，KM報告的生成能夠及時驅動有效的內容優化。
Part 02
AI可落地的場景及案例
對于AI的嘗試，仲欣談到可以從四大場景來進行深入的落地：第一就是AI Coach，能夠滿足大量代表的培訓需求，并且提高銷售代表的學術推廣能力和合規能力。第二就是AI4BI，通過AI來改變業務管理的卓越性，例如進行銷售預測、真實需求建模，還能夠通過Chat BI幫助代表進行銷售業績的智能洞察，以及幫助其一鍵生成PPT。第三是AI內容，通過AI增強對HCP的學術互動能力，進行AE總結，文獻搜索，自動翻譯等工作。第四就是AI合規，通過AI來提升整體的合規能力，內容上傳后會標注哪里存在合規風險，以便及時修改，提升效率。最終還可建立AI知識平臺，集中存儲和管理所有文檔，基于AI知識平臺構建多層 AI 智能體，提升企業效率。
案例1、AE Summary
值得參考的有兩個案例，其中一個是AE Summary，它實現了95%的報告編寫準確率，而過去人工方式只能達到90%，這意味著AI在某些領域做到了可以替代人，所以對于減員和效率提升有很大幫助。另外AE Summary通過端到端的解決方案，循序推進自動化策略，實現了快速數據采集與精確處理。
案例2、AI4BI
另外一個案例是AI4BI，需要直面營銷數據分析領域的核心挑戰：數據量極其龐大，且面臨上萬名業務用戶的嚴苛使用需求。這要求解決方案必須兼具極高的準確性與易用性。所以需要務實地將資源聚焦于提升現有能力的準確率與場景化價值，以確保技術成果能夠被廣泛復制和規?；瘧?。
當用戶提出一個問題時，系統會進行多輪的問題規劃與知識改寫，結合詞條召回技術，在嚴格的權限控制下生成準確的SQL查詢。查詢結果不僅會以數據形式返回，更能自動生成一段文字解讀、并提供圖表建議，最終為用戶提供“敘述、表格、圖表”三種可選的呈現方式，極大地提升了決策效率。
為實現這一流程的最優效果，可以采用混合模型策略，根據各模型的專業特長將其部署在流程的不同環節：例如，利用GPT-4o優秀的意圖識別能力來解析用戶問題，而使用千問72B等模型負責內容生成與思考任務。這一務實且精細的技術路徑，最終能夠成功地將前沿AI能力轉化為支撐業務決策的堅實生產力。
仲欣建議在企業級AI平臺的落地架構上，不妨堅持“雙輪驅動”的戰略：其一是數據平臺，其二是知識平臺。數據平臺，例如業界成熟的湖倉一體架構，經過多年的標準化數據治理，目前已發展得相對成熟。而知識平臺在過去通常被定位為一個更偏向于文檔檢索的系統，其建設規模與重要性常被視為次于數據平臺，二者的有力結合或將發揮出巨大的價值。
“知識平臺的核心價值遠不止于搜索；關鍵在于通過框架化地存儲和管理文檔，為業務部門提供強大的知識支撐。這為未來實現'進程打開'式的創新奠定了堅實基礎”，仲欣對此做了總結。
在數字化浪潮席卷醫藥行業的今天，真正的數字化不僅是技術的堆砌，更是以業務價值為導向的系統性重構。通過“AI+平臺+基礎架構”的三位一體布局，廣大藥企或許能夠將數據轉化為洞察，將知識轉化為智能，最終構建起面向未來的核心競爭力。
正如仲欣所強調的，當行業站在AGI的門檻前，那些已經夯實數據基礎、建成知識平臺、并形成人機協同能力的企業，將率先迎來智能時代的曙光。
